CN105472265B - 一种获取高动态范围图像的装置和方法 - Google Patents
一种获取高动态范围图像的装置和方法 Download PDFInfo
- Publication number
- CN105472265B CN105472265B CN201510884770.1A CN201510884770A CN105472265B CN 105472265 B CN105472265 B CN 105472265B CN 201510884770 A CN201510884770 A CN 201510884770A CN 105472265 B CN105472265 B CN 105472265B
- Authority
- CN
- China
- Prior art keywords
- sensor
- exposure
- value
- pixel
- spectroscope
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 229920006395 saturated elastomer Polymers 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 9
- 230000004044 response Effects 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 7
- 238000005286 illumination Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims description 3
- 239000010409 thin film Substances 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000012536 storage buffer Substances 0.000 description 3
- 230000002194 synthesizing effect Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003786 synthesis reaction Methods 0.000 description 2
- 239000000872 buffer Substances 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005316 response function Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/741—Circuitry for compensating brightness variation in the scene by increasing the dynamic range of the image compared to the dynamic range of the electronic image sensors
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种获取高动态范围图像的装置，包括：相机、第一分光镜、第二分光镜、高度曝光HE传感器、中度曝光ME传感器和低度曝光LE传感器；其中，相机镜头竖直放置，三个传感器全部位于相机镜头的同一侧，并且，HE传感器与相机镜头平行，ME传感器与相机镜头垂直，LE传感器与ME传感器平行；其中，第一分光镜和第二分光镜位于相机镜头和三个传感器所包围的区域中，第一分光镜与相机镜头成45°角放置，第二分光镜垂直于相机镜头。本发明还提供一种获取高动态范围图像的方法。利用本发明能够获得HDR图像。
Description
技术领域
本发明涉及图像处理技术领域，具体涉及一种获取高动态范围图像的装置和方法。
背景技术
高动态范围图像(High Dynamic Range Image，HDR图像)是一种可以表示真实世界场景中高动态范围亮度信息的最有发展前途的高新技术。高动态范围成像技术就是要正确地表示真实世界中从太阳光直射到最暗的阴影这样大的范围亮度。其涉及到图形图像学，数学，物理学，机械学和计算机等众多学科领域。与传统图像相比，HDR图像中的像素值正比于场景中对应点的时间亮度值，能更好的保留场景中的亮区及暗区的细节信息。HDR图像获取的关键点是获取同一场景中一系列曝光程度不同的照片以及配套的合并算法。
目前，获取HDR图像的主要方法是通过普通的数码成像设备来得到HDR图像，前提条件是需要获得同一个场景的多幅不同曝光量的图像，这里图像的两个重点是必须是相同场景、具有不同曝光量。但在实际应用中，利用普通数码相机手动获取不同曝光量的图像时容易产生如下两个问题：
1.如果在定点拍摄过程中相机存在微小的移动，会使合成得到的HDR图像变得模糊。即使使用三脚架进行固定，也可能因为地面不平或按快门时用力不等造成轻微的移动或旋转。
2.在拍摄图像组时，如果场景中的物体发生了移动，则会使最终合成的高动态图像中出现伪影。这种情况在室外拍摄时经常发生，例如移动的人物，云朵和被风吹动的树木等。
虽然去伪影方法在速度上和性能上较原来方法都有明显进步，但在使用中对于高速运动的目标物(例如高速行驶的列车)仍然无法满足实时性要求。当前的各种去伪影算法对于实用来说都在耗时过多的缺陷，因此在高速运动环境下进行景物拍摄，现有的先后拍摄多张不同曝光图像无法满足无伪影的要求。
如果只拍一张图像，且使这张图像包含所有信息，再用这张图像合成HDR就不会存在伪影的影响。但在实际应用中，这种HDR图像的获取需要专门的硬件系统，且都造价昂贵，难以普及。经过多年的尝试，该方法至今没有重大突破，利用多张不同曝光图像序列合成一种HDR图像仍然是最常用最有效的方法。
但是，目前将不同曝光图像序列合成HDR图像的算法一直是只依靠单个像素的信息进行合并，而不考虑它邻近的像素信息。这种方法针对曝光程度差别在3档以上的图像序列合成时，得到的HDR图像质量很差。
此外，对影响HDR图像质量的因素方面，现有研究大都侧重于HDR图像中的去伪影技术，对于如何获取无须去伪影的HDR图像尚无相关研究，特别是在高速场景中如何获取HDR图像的问题尚待解决。
发明内容
有鉴于此，本发明提出一种获取高动态范围图像的装置和方法，利用该装置及配套的合并算法，可针对一系列曝光程度不同的图像序列进行处理，获得HDR图像。
本发明提供一种获取高动态范围图像的装置，包括：相机、第一分光镜、第二分光镜、高度曝光HE传感器、中度曝光ME传感器和低度曝光LE传感器；其中，相机镜头竖直放置，三个传感器全部位于相机镜头的同一侧，并且，HE传感器与相机镜头平行，ME传感器与相机镜头垂直，LE传感器与ME传感器平行；其中，第一分光镜和第二分光镜位于相机镜头和三个传感器所包围的区域中，第一分光镜与相机镜头成45°角放置，第二分光镜垂直于相机镜头。
优选地，第一分光镜和第二分光镜都采用半反射的镜面。
优选地，第一分光镜和第二分光镜都采用无涂层的薄膜分光镜。
优选地，在HE传感器、ME传感器和LE传感器上得到的图片完全相同，且图片的起始像素点在每个传感器上也相同。
优选地，HE传感器的曝光量是ME传感器曝光量的12.2倍，ME传感器的曝光量是LE传感器曝光量的17倍。
本发明可以获得同一时刻，同一场景下曝光程度不同的一系列图片，这样使得得到的图片，只是曝光程度不同，而场景完全相同，避免了伪影的影响。另外，本发明提出的合并算法，利用邻近像素点的信息，针对曝光程度差别在三档以上的图片仍然有较好的合成效果。
附图说明
图1是本发明实施例的获取HDR图像的装置俯视图。
图2是本发明实施例的获取HDR图像的方法的流程图。
图3是本发明实施例的相机响应曲线对照表。
图4是本发明实施例的合并算法的流程图。
图5和图6是列车的HDR图像。
具体实施方式
以下结合附图以及具体实施例，对本发明的技术方案进行详细描述。
在本领域，获取同一场景的曝光程度不同的图像序列是合成HDR图像的首要关键技术，而得到曝光程度不同的图像序列之后的合成算法是获得HDR图像的又一关键技术。图1为本发明实施例的获取HDR图像的装置的俯视图，利用该装置可获取同一场景曝光程度不同的图像序列，该装置包括：相机、两个分光镜、三个传感器，根据获得光照的多少分别命名为高度曝光(High Exposure)HE传感器、中度曝光(Medium Exposure)ME传感器、低度曝光(Low Exposure)LE传感器。
图1实施例中，相机位于左侧，三个传感器位于相机镜头的右侧区域，其中，ME传感器与相机镜头垂直，ME传感器与LE传感器平行，HE传感器与相机镜头平行，其中，两个分光镜位于相机镜头和三个传感器所包围的区域，并且，分光镜1与镜头成45°角放置，分光镜2垂直于镜头，即与镜头成90°角放置。
在本发明的实施例中，分光镜1和分光镜2都采用半反射的镜面，通过改变分光镜的角度，可代替滤光片、光圈大小和曝光时间长短等参数变化，这样可以使传感器得到大量的光照。图1实施例采用的是半反射镜面中的一种，既无涂层的薄膜分光镜。
在本发明的实施例中，三个传感器均选用市售的矽映电子科技型号为SI-1920HDCMOS的传感器。传感器的像素为1920*1080，且尺寸为5微米。传感器动态范围可以达到10档。相机机身拥有哈苏镜头卡口，允许使用高性能、可互换的商业镜头。
在安装HE传感器、ME传感器和LE传感器时，应确保三个传感器与分光镜完全对齐，这里的“对齐”是指使得场景图片在三个传感器上得到的图片完全相同，且图片的起始像素点在每个传感器上必须相同，既三个传感器在分辨率和场景信息方面与单传感器的效果完全一样，这样可以使传感器上得到图像完全是同一场景，从而免除了去伪影的过程，使后续的图像处理过程得到简化。
在本发明的实施例中，将分光镜安装在镜头与传感器之间，避免了多个镜头的使用。分光镜的实际透光率(Transmittance)和反射率(Reflectance)是以角度为变量的函数。其中将分光镜1放置成45°角，那么它的T/R比值接近92/8，也就是说有92％的光从镜头透射后，通过直接照射到高曝光HE传感器上，而另外8％的光向上照射到分光镜2上。分光镜2的角度为90°，它的T/R比值是94/6，这样有94％的光穿过分光镜2投影到ME传感器上，另外的6％的光经过反射照到了分光镜1上。其中92％的光透过分光镜照到LE传感器上。
光照在经过分光镜后，HE、ME和LE传感器捕获到的光照量分别占总光量的92％、7.52％和0.44％。HE传感器的曝光量是ME传感器曝光量的12.2倍，也就是它们的动态范围相差3.61档。而ME传感器的曝光量是LE传感器的17倍，也就是动态范围相差4.09档。这样传感器的动态范围被扩展到了7.7档。通过这样的分光棱镜只浪费了0.04％的光照，而且使得三个传感器上照片除了光照水平不同外，其它都是相同的。当然由于ME传感器图片是经过奇数次反射后的图像，因此会左右颠倒，但是这个很容易用软件进行校正。当然T/R的值是受波长影响的，但是为了叙述简单，这里统一采用平均值。
以上给出了本发明实施例的获取HDR图像的装置构造及说明，相对于以往使用普通相机拍摄时对操作人员要求较高的情况，利用上述装置使操作人员能容易并准确地获取一系列曝光程度不同的图像序列，无需长期训练和丰富的经验，对周边环境也没有特殊要求，适用于高速场景。
利用上述装置采集图像之前，对目标场景聚焦，设置相机帧率、光圈大小等，使图像清晰，然后开始采集图像，可将采集到的图像存储在数据采集卡中。
对于采集到的图像，为一系列曝光程度不同的图像序列，为了得到高质量的HDR图像，本发明提出了配套的图像数据处理方法，以下进行详细描述。
参考图2，在对采集到的图像进行算法合并之前，首先进行插值处理，可利用Malvar方法进行RGB通道的插值处理。由于对图像数据进行了插值处理，这样可以有效的破坏像素的饱和度。例如，亮橙色的区域可能具有饱和的红色像素，而绿色和蓝色像素却是不饱和的。这里，由于在合并算法之前进行了插值技术的处理，所以以下描述的合并算法是建立在像素值基础上的。
然后，对插值处理后的图像数据进行HDR算法合并，目的是得到HDR图像。具体过程如下：
首先直接利用Debevec与Malik算法，获取如图3所示的相机响应曲线值。Debevec和Malik使用一组已知精确曝光度的图像，可以得到更精确地结果。该算法对响应函数没有严格的限制，只要求是连续的。由相机的非线性的响应曲线，可知：
Zij＝f(Ei,Δtj)
其中i代表像素点，j代表序列图像号，Zij表示序列图像中某幅图像的某个点的灰度值，Ei表示照度，Δtj表示曝光时间。此处我们假设响应曲线f是平滑且单调的，所以此函数可逆，则逆变换后取对数。图3中横坐标为场景照度，纵坐标为场景像素值。如果将响应曲线函数设为f(x)，x是像素值，那么将得到如下公式：
gME→HE(x)＝f-1(12.2f(x)) (1)
公式(1)用来将ME的像素值与HE的像素值进行转化融合，其中的12.2为HE传感器捕获的光照量与ME捕获的光照量的比值。同理可得gLE→ME(x)。
本算法用到了像素点周围(2k+1)×(2k+1)的信息。我们定义邻近像素为值为N(x,y)，本实施例取值k＝2，那么邻近像素个数为5×5，并且定义像素值大于最大像素值的90％即为饱和状态。本算法的主要思想为尽量使用HE传感器获得的信息然后是ME传感器，最后为LE传感器，只有HE(x,y)传感器的值或者NHE(x,y)中一个或多个为饱和状态，才利用ME传感器的信息与HE传感器的信息进行重新计算，获取新的像素值。ME传感器与LE传感器类似，算法流程图如图4。具体步骤如下：
1、如果IHE(x,y)的值是不饱和的，而且NHE(x,y)的值也是不饱和的，则：
IHDR(x,y)＝IHE(x,y)
其中，IHE(x,y)代表高度曝光传感器下图片的曝光值。
2、如果IHE(x,y)的值是不饱和的，而NHE(x,y)的值中有一个或者多个为饱和的，那么将采用IME中的值来重新计算IHDR的值，方法为：
(1)设U为附近像素中不饱和的数目。即NHE(x,y)中不饱和的数量。
(2)设|NHE(x,y)|为附近像素点数量。那么我们可以得出它代表不饱和的像素点的比例。
(3)这经过融合重新计算后的输出值为：
3、如果IHE(x,y)的值已经为饱和状态，但是NHE(x,y)有一个或者多个没有饱和，算法具体过程为：
(1)与情况2类似分别计算IHE(x,y)中U与的值。
(2)计算ME中中间像素点的值与ME中指定像素i的邻近像素点NME(x,y)i的比值，用R表示。即
R(x,y)i＝IME(x,y)/NME(x,y)i
(3)利用中间饱和像素邻近点的值，估计的值，其公式如下：
其中，i属于HE中不饱和的邻近像素点。
(4)将与IME(x,y)进行融合，得出IHDR(x,y)：
4、当IHE(x,y)是饱和的，而它所有的邻近像素也是饱和的，那么我们将无法使用HE传感器所得到的数值。此时的IHDR(x,y)＝IME(x,y)。
上述方法只融合了IHE与IME的数值，如果将三幅图一起融合，只要进行迭代运算即可。
另外，为了保证连续采集的图像有可靠的存储空间，关于使用到的图像采集卡，可根据硬盘的连续写盘速度大于采集生成图像数据速度的特点，在计算机主内存中设置双暂存缓冲区，每个大小100M左右。双暂存缓冲区的工作机制为：在采集图像的数据传送到计算机后，不立即将其写入硬盘存储，而是先将其暂存入缓冲区A，待A存储满之后立即启用B暂存图像，同时将A中的图像写入硬盘存储后清空A，如此交替，既可减少对硬盘的读写次数，也可在一定程度上提高存储速度。
图5和图6是以行进的列车为例，利用本发明实施例装置在阳光直射下拍摄的一组图片。可以看到，利用HDR图像可有效解决将列车车厢号的反光现象，车号清晰可见，并且完美的保留了车厢的细节部分。本发明提出的方法可以比现有HDR图像方法获得更高质量的图像，并且本装置系统所有配件均无特殊要求，因此本系统在实用中是有效和可行的。
以上，结合具体实施例对本发明的技术方案进行了详细介绍，所描述的具体实施例用于帮助理解本发明的思想。本领域技术人员在本发明具体实施例的基础上做出的推导和变型也属于本发明保护范围之内。
Claims (6)
1.一种获取高动态范围图像的方法，其特征在于，包括：
使用获取高动态范围图像的装置采集图像；其中，所述装置包括：相机、第一分光镜、第二分光镜、高度曝光HE传感器、中度曝光ME传感器和低度曝光LE传感器；其中，
相机镜头竖直放置，三个传感器全部位于相机镜头的同一侧，并且，HE传感器与相机镜头平行，ME传感器与相机镜头垂直，LE传感器与ME传感器平行；其中，第一分光镜和第二分光镜位于相机镜头和三个传感器所包围的区域中，第一分光镜与相机镜头成45°角放置，第二分光镜垂直于相机镜头；
对图像数据进行插值处理；
对插值处理后的图像数据进行HDR算法合并；
输出HDR图像；其中，所述HDR算法合并包括：
获取相机的响应曲线值Zij＝f(Ei,Δtj)，其中，j代表序列图像号，Zij表示序列图像中某幅图像的某个点的灰度值，Ei表示照度，Δtj表示曝光时间；
假设响应曲线f平滑且单调，将响应曲线函数设为f(x)，x是像素值，得到公式(1)：
gME→HE(x)＝f-1(12.2f(x)) (1)
公式(1)用于将ME传感器的像素值与HE传感器的像素值进行转化融合，公式(1)中的12.2为HE传感器捕获的光照量与ME传感器捕获的光照量的比值；同理可得gLE→ME(x)；
定义邻近像素值为N(x,y)，并且定义像素值大于最大像素值的90％为饱和状态；以IHE(x,y)代表曝光值，执行以下运算：
①如果IHE(x,y)的值是不饱和的，而且NHE(x,y)的值也是不饱和的，有：
IHDR(x,y)＝IHE(x,y)
②如果IHE(x,y)的值是不饱和的，而NHE(x,y)的值中有一个或者多个为饱和的，那么采用IME中的值来重新计算IHDR的值，方法为：
(1)设U为附近像素中不饱和的数目，即NHE(x,y)中不饱和的数量；
(2)设|NHE(x,y)|为附近像素点数量，可以得出 代表不饱和的像素点的比例；
(3)经过融合重新计算，输出值为：
③如果IHE(x,y)的值已经为饱和状态，但是NHE(x,y)有一个或者多个没有饱和，算法具体过程为：
(1)参照②中的处理，分别计算IHE(x,y)中U与的值；
(2)计算ME传感器中的中间像素点的值与ME传感器中指定像素i的邻近像素点NME(x,y)i的比值，以R(x,y)i表示，即：
R(x,y)i＝IME(x,y)/NME(x,y)i
(3)利用中间饱和像素邻近点的值，估计的值：
其中i属于HE传感器中不饱和的邻近像素点；
(4)将与IME(x,y)进行融合，得出IHDR(x,y)，即：
。
2.如权利要求1所述的获取高动态范围图像的方法，其特征在于，其中，当IHE(x,y)是饱和的，而其所有邻近像素也是饱和的，令IHDR(x,y)＝IME(x,y)。
3.如权利要求1所述的获取高动态范围图像的方法，其特征在于，所述装置中，第一分光镜和第二分光镜都采用半反射的镜面。
4.如权利要求1所述的获取高动态范围图像的方法，其特征在于，所述装置中，第一分光镜和第二分光镜都采用无涂层的薄膜分光镜。
5.如权利要求1所述的获取高动态范围图像的方法，其特征在于，所述装置中，在HE传感器、ME传感器和LE传感器上得到的图片完全相同，且图片的起始像素点在每个传感器上也相同。
6.如权利要求1所述的获取高动态范围图像的方法，其特征在于，所述装置中，HE传感器的曝光量是ME传感器曝光量的12.2倍，ME传感器的曝光量是LE传感器曝光量的17倍。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510884770.1A CN105472265B (zh) | 2015-12-04 | 2015-12-04 | 一种获取高动态范围图像的装置和方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510884770.1A CN105472265B (zh) | 2015-12-04 | 2015-12-04 | 一种获取高动态范围图像的装置和方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105472265A CN105472265A (zh) | 2016-04-06 |
| CN105472265B true CN105472265B (zh) | 2018-12-14 |
Family
ID=55609494
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510884770.1A Active CN105472265B (zh) | 2015-12-04 | 2015-12-04 | 一种获取高动态范围图像的装置和方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105472265B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10264196B2 (en) | 2016-02-12 | 2019-04-16 | Contrast, Inc. | Systems and methods for HDR video capture with a mobile device |
| US10257394B2 (en) | 2016-02-12 | 2019-04-09 | Contrast, Inc. | Combined HDR/LDR video streaming |
| CN106060351B (zh) * | 2016-06-29 | 2020-07-24 | 联想(北京)有限公司 | 图像处理装置及图像处理方法 |
| WO2018031441A1 (en) | 2016-08-09 | 2018-02-15 | Contrast, Inc. | Real-time hdr video for vehicle control |
| CN107343130B (zh) * | 2017-08-17 | 2019-07-05 | 中国人民解放军国防科技大学 | 一种基于dmd动态分光的高动态成像模块 |
| US10951888B2 (en) | 2018-06-04 | 2021-03-16 | Contrast, Inc. | Compressed high dynamic range video |
| CN110995965A (zh) * | 2019-11-14 | 2020-04-10 | 维沃移动通信有限公司 | 一种拍摄模组及电子设备 |
| CN111862042B (zh) * | 2020-07-21 | 2023-05-23 | 北京航空航天大学 | 一种基于全卷积神经网络的管路轮廓检测方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101631202A (zh) * | 2008-07-16 | 2010-01-20 | 肖长诗 | 一种超宽动态范围图像的采集方法 |
| CN102564575A (zh) * | 2012-02-07 | 2012-07-11 | 中国科学院光电技术研究所 | 一种基于正交光楔分光特性及焦斑重构算法的激光远场焦斑测量方法 |
| CN103297703A (zh) * | 2013-05-30 | 2013-09-11 | 深圳职业技术学院 | 多光谱图像获取方法 |
| CN104301636A (zh) * | 2014-10-30 | 2015-01-21 | 西安电子科技大学 | 低复杂度高效高动态数字图像的合成方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6868138B2 (en) * | 2002-05-29 | 2005-03-15 | The Regents Of The University Of Michigan | Method, processor and computed tomography (CT) machine for generating images utilizing high and low sensitivity data collected from a flat panel detector having an extended dynamic range |
| US6879731B2 (en) * | 2003-04-29 | 2005-04-12 | Microsoft Corporation | System and process for generating high dynamic range video |
| JP4218723B2 (ja) * | 2006-10-19 | 2009-02-04 | ソニー株式会社 | 画像処理装置、撮像装置、画像処理方法およびプログラム |
| US8525900B2 (en) * | 2009-04-23 | 2013-09-03 | Csr Technology Inc. | Multiple exposure high dynamic range image capture |
-
2015
- 2015-12-04 CN CN201510884770.1A patent/CN105472265B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101631202A (zh) * | 2008-07-16 | 2010-01-20 | 肖长诗 | 一种超宽动态范围图像的采集方法 |
| CN102564575A (zh) * | 2012-02-07 | 2012-07-11 | 中国科学院光电技术研究所 | 一种基于正交光楔分光特性及焦斑重构算法的激光远场焦斑测量方法 |
| CN103297703A (zh) * | 2013-05-30 | 2013-09-11 | 深圳职业技术学院 | 多光谱图像获取方法 |
| CN104301636A (zh) * | 2014-10-30 | 2015-01-21 | 西安电子科技大学 | 低复杂度高效高动态数字图像的合成方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105472265A (zh) | 2016-04-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105472265B (zh) | 一种获取高动态范围图像的装置和方法 | |
| Tocci et al. | A versatile HDR video production system | |
| US9900510B1 (en) | Motion blur for light-field images | |
| CN101888487B (zh) | 高动态范围视频成像系统和图像生成方法 | |
| CN101872491B (zh) | 基于光度立体的自由视角重光照方法和系统 | |
| CN103780840B (zh) | 一种高品质成像的双摄像成像装置及其方法 | |
| US9521316B2 (en) | Image processing apparatus for reconstructing an image, image pickup apparatus, image processing method, and non-transitory computer-readable storage medium | |
| CN103945118B (zh) | 图像虚化方法、装置及电子设备 | |
| JP5871862B2 (ja) | ３ｄ深度情報に基づいたイメージぼかし | |
| US9305375B2 (en) | High-quality post-rendering depth blur | |
| CN107800979B (zh) | 高动态范围视频拍摄方法及拍摄装置 | |
| WO2020168967A1 (zh) | 图像采集方法、电子设备和计算机可读存储介质 | |
| Kronander et al. | A unified framework for multi-sensor HDR video reconstruction | |
| CN108055452A (zh) | 图像处理方法、装置及设备 | |
| CN107925751A (zh) | 用于多视点降噪和高动态范围的系统和方法 | |
| US9961272B2 (en) | Image capturing apparatus and method of controlling the same | |
| CN108024054A (zh) | 图像处理方法、装置及设备 | |
| CN110636227B (zh) | 高动态范围hdr图像合成方法及集成该方法的高速相机 | |
| CN111724317A (zh) | Raw域视频去噪监督数据集构造方法 | |
| CN111986106A (zh) | 一种基于神经网络的高动态图像重建方法 | |
| CN108600631B (zh) | 图像处理方法、装置、计算机可读存储介质和电子设备 | |
| JP6292968B2 (ja) | 疑似ｈｄｒ画像推定装置及び方法 | |
| JP2013128212A (ja) | 画像処理装置および撮像装置並びにその方法 | |
| CN105208286A (zh) | 一种模拟慢速快门的拍摄方法及装置 | |
| CN106791298A (zh) | 一种具有双摄像头的终端及拍照方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |